AIสองด้าน: ความเป็นไปได้ที่ AI จะช่วยโลก แต่ก่อนหน้านั้น - เรื่องของพลังงาน น้ำ และการปล่อยที่มองไม่เห็น

ความเร็วที่ AI ผสมผสานเข้ากับชีวิตประจำวันได้เพิ่มขึ้นอย่างรวดเร็วในช่วงไม่กี่ปีที่ผ่านมา การค้นหา การแปล การสร้างเอกสาร การสร้างภาพ การสนับสนุนลูกค้า—ความสะดวกสบายได้ขยายตัวอย่างแน่นอน แต่เบื้องหลัง "ความธรรมดา" นั้น AI ต้องการพลังงานและน้ำในปริมาณมาก การขยายศูนย์ข้อมูล การผลิตเซมิคอนดักเตอร์ การใช้น้ำเพื่อการระบายความร้อน การเปลี่ยนแปลงโครงสร้างการผลิตไฟฟ้าเพื่อความมั่นคงทางพลังงาน องค์ประกอบเหล่านี้สะสมขึ้น ทำให้เกิดคำถามที่ว่า "AI เป็นภาระต่อสิ่งแวดล้อมหรือไม่"

อย่างไรก็ตาม บทความของ Phys.org (เผยแพร่ซ้ำจาก The Conversation) หลีกเลี่ยงการแบ่งแยกความดีและความชั่วอย่างง่ายดาย AI อาจเพิ่มต้นทุนด้านสิ่งแวดล้อม แต่ในขณะเดียวกัน AI ก็สามารถเป็นเครื่องมือในการค้นหา ลด และเพิ่มประสิทธิภาพการใช้ทรัพยากรที่สูญเปล่า กล่าวอีกนัยหนึ่ง AI สามารถเป็น "อุปกรณ์ที่บริโภคน้ำมันเชื้อเพลิง" และในขณะเดียวกันก็สามารถเป็น "อุปกรณ์ควบคุมที่หยุดการสิ้นเปลืองน้ำมันเชื้อเพลิง" ได้เช่นกัน ปัญหาคือสิ่งใดจะมีอิทธิพลมากกว่า และต้องทำอย่างไรเพื่อให้สิ่งนั้นมีอิทธิพลมากกว่า

1) เรื่องของ "ภาระ": ทำไม AI ถึงมีผลกระทบต่อสิ่งแวดล้อม (ในทางที่ไม่ดี)?

ภาระด้านสิ่งแวดล้อมของ AI สามารถแบ่งออกเป็นสามส่วนหลัก

• พลังงานไฟฟ้า: การเรียนรู้ (การฝึกอบรม) และการอนุมาน (การคำนวณขณะใช้งาน) ใช้ GPU/TPU จำนวนมาก

• น้ำ: การใช้น้ำในการระบายความร้อนและการผลิตไฟฟ้าอาจทำให้เกิดความขัดแย้งกับการขาดแคลนน้ำในบางพื้นที่

• อุปกรณ์และวัสดุ: รวมถึงเซมิคอนดักเตอร์ เซิร์ฟเวอร์ การเสริมสร้างเครือข่ายไฟฟ้า วัสดุก่อสร้าง และขยะอิเล็กทรอนิกส์ (e-waste)

สิ่งที่ซับซ้อนยิ่งขึ้นคือ "การดีดกลับ" (การกระตุ้นความต้องการ) ที่การเพิ่มประสิทธิภาพไม่ได้แปลว่าการลดปริมาณรวมเสมอไป แม้ว่า AI จะประหยัดพลังงาน แต่ถ้าการใช้ AI เพิ่มขึ้นอย่างมหาศาล ปริมาณพลังงานรวมก็จะเพิ่มขึ้นเช่นกัน กล่าวคือ การใช้ AI ในทางที่ "เป็นมิตรต่อสิ่งแวดล้อม" ต้องการไม่เพียงแค่เทคโนโลยี แต่ยังต้องการการออกแบบด้านความต้องการ (ว่าจะใช้ AI ที่ไหนและไม่ใช้ที่ไหน) และกรอบการวัดผล การเปิดเผยข้อมูล และการควบคุม

2) เหตุผลที่ยังสามารถเป็น "พันธมิตร" ได้: บทความแสดง 5 สถานที่จริง

จุดที่น่าสนใจของบทความคือ การไม่จบเรื่อง "AI มีประโยชน์ต่อสิ่งแวดล้อม" ด้วยทฤษฎีที่เป็นนามธรรม แต่ยกตัวอย่างการใช้งานในสถานที่จริงหลายแห่ง ที่นี่เราจะมุ่งเน้นไปที่ "สิ่งที่สามารถลดได้" ในแต่ละสาขา

(A) การเกษตร: ลดการใช้น้ำ = ลดพลังงานไฟฟ้า

การเกษตรใช้ทรัพยากรน้ำจืดของโลกในสัดส่วนที่มาก บทความได้แนะนำการชลประทานที่แม่นยำโดยใช้การเรียนรู้ของเครื่องและข้อมูลสภาพอากาศและดาวเทียม เช่น บริษัทเทคโนโลยีสภาพอากาศ Kilimo จากอาร์เจนตินา ที่สามารถเพิ่มประสิทธิภาพ "เมื่อไหร่ ที่ไหน และควรให้น้ำเท่าไหร่" การลดการใช้น้ำมีคุณค่าในตัวเอง แต่สิ่งที่สำคัญยิ่งกว่าคือ การลดพลังงานที่ใช้ในการสูบน้ำและส่งไปยังแปลงเพาะปลูก

นอกจากนี้ยังมีการกล่าวถึงระบบที่ตรวจสอบปริมาณน้ำที่ประหยัดได้และทำการค้าขายเป็นเครดิตการประหยัดน้ำ ซึ่งเป็นแนวคิดในการลดภาระด้านสิ่งแวดล้อมให้เป็นแรงจูงใจทางเศรษฐกิจ

(B) ศูนย์ข้อมูล: AI ลดการสูญเสียของ AI

แม้จะฟังดูขัดแย้ง แต่ AI มีประสิทธิภาพในการดำเนินงานศูนย์ข้อมูล บทความกล่าวถึงความต้องการพลังงานไฟฟ้าที่สูงของศูนย์ข้อมูล แต่การปรับปรุงการดำเนินงานทำให้มีประสิทธิภาพมากขึ้น และ AI สามารถวิเคราะห์ "ภาระงาน" "อุณหภูมิ" "ประสิทธิภาพการระบายความร้อน" "การใช้พลังงานไฟฟ้า" และปรับการใช้ทรัพยากรคำนวณและการระบายความร้อนให้เหมาะสมกับความต้องการ

ตัวอย่างเช่น การใส่เซิร์ฟเวอร์ในโหมดพลังงานต่ำในช่วงเวลาที่ความต้องการต่ำ การเพิ่มประสิทธิภาพการระบายความร้อนและการไหลของอากาศ การปรับการดำเนินงานตามสภาพอากาศ—การเพิ่มประสิทธิภาพ "ที่ดูเหมือนไม่สำคัญ" เหล่านี้มีผลมากขึ้นในสถานที่ที่มีปริมาณการใช้พลังงานรวมมาก สิ่งสำคัญคือการเพิ่มประสิทธิภาพเหล่านี้ไม่ใช่ "การประหยัดตามทฤษฎี" แต่เชื่อมโยงกับ KPI ของการดำเนินงานจริง (ต้นทุนพลังงานไฟฟ้า อัตราการทำงาน ข้อจำกัดด้านอุณหภูมิ อัตราความล้มเหลว)

(C) อุตสาหกรรมพลังงาน: ลดการรั่วไหลและการสูญเสียด้วยการตรวจสอบและการเฝ้าระวัง

อุตสาหกรรมพลังงานมีการปล่อยก๊าซในปริมาณมาก ดังนั้นจึงมีโอกาสในการปรับปรุงมาก บทความได้กล่าวถึงตัวอย่างการตรวจจับความผิดปกติของท่อส่งด้วยการถ่ายภาพโดรนและการวิเคราะห์ภาพ และการใช้ AI ในการเฝ้าระวังและคาดการณ์การปล่อยก๊าซมีเทน เนื่องจากมีเทนมีผลกระทบต่อภาวะโลกร้อนในระยะสั้นที่รุนแรง การแก้ไขการรั่วไหลจึงได้รับความสนใจอย่างมาก

อย่างไรก็ตาม มีการต่อต้านเกิดขึ้นง่ายเช่นกัน "บริษัทเชื้อเพลิงฟอสซิลจะใช้ AI เพื่อ 'เพิ่มประสิทธิภาพ' และยืดอายุการใช้งานหรือไม่?" เป็นข้อสงสัย เนื่องจาก AI สามารถเป็น "เครื่องเร่งการลดคาร์บอน" หรือ "เครื่องเพิ่มประสิทธิภาพเชื้อเพลิงฟอสซิล" ได้ สังคมจึงต้องเลือกทิศทางที่จะใช้

(D) อาคารและการจัดหาความร้อนในพื้นที่: ลดด้วย "ระบบ" ไม่ใช่ "พฤติกรรมของคน"

การทำความร้อนและความเย็นในบ้านและสำนักงานมีความเชื่อมโยงโดยตรงกับการปล่อยก๊าซ บทความได้กล่าวถึงการเพิ่มประสิทธิภาพการจัดหาความร้อนในพื้นที่ในใจกลางโคเปนเฮเกน (การอ่านสถานะของอาคารด้วยเซ็นเซอร์และการคาดการณ์ล่วงหน้า 24 ชั่วโมงเพื่อปรับการจัดหา) และความเป็นไปได้ในการลดการใช้พลังงานในสำนักงานขนาดกลางด้วยการนำ AI มาใช้
กุญแจสำคัญที่นี่คือ การที่ ระบบคาดการณ์ล่วงหน้าและกำจัดการสูญเปล่า ไม่ใช่การขอร้องให้คนช่วยลดการใช้พลังงาน ความตระหนักในการประหยัดพลังงานของคนมีความผันผวน แต่การควบคุมจะดำเนินต่อไปอย่างต่อเนื่อง การอ่านอุณหภูมิ ความชื้น และสถานะการใช้งานเพื่อปรับการจัดหาและการบริโภคเป็นสิ่งที่ AI ถนัด

(E) การบิน: ลดการเกิดเมฆคอนเทรลและการสูญเสียเชื้อเพลิง

การบินไม่เพียงแต่ปล่อย CO₂ แต่ยังมีผลกระทบจากเมฆคอนเทรลที่ทำให้เกิดภาวะโลกร้อน บทความได้กล่าวถึงความเป็นไปได้ในการปรับเส้นทางการบินและระดับความสูงด้วย AI เพื่อหลีกเลี่ยงสภาพความชื้นที่ทำให้เกิดคอนเทรล และยกตัวอย่างการปรับปรุงการประหยัดเชื้อเพลิงด้วยการเสนอเส้นทางที่มีประสิทธิภาพจากข้อมูลการดำเนินงาน
การบินเป็นพื้นที่ที่มีความเข้มงวดด้านความปลอดภัยและกฎระเบียบ แต่ถ้าเข้าถึงได้อย่างเหมาะสมก็จะมีผลกระทบมาก

3) ปฏิกิริยาบนโซเชียลมีเดีย: ความเห็นใจและความระแวงเกิดขึ้น "พร้อมกัน"

เมื่อดูปฏิกิริยาบนโซเชียลมีเดียต่อบทความนี้ โทนเสียงแบ่งออกเป็นสองส่วนใหญ่

① กลุ่มที่เชื่อว่า "AI ไม่ได้ทำลายสิ่งแวดล้อมเพียงอย่างเดียว"
การใช้ AI เป็น "เครื่องมือเพิ่มประสิทธิภาพ" ในสถานที่ที่มีการสูญเสียทรัพยากรมาก เช่น การเกษตร อาคาร และการบิน ได้รับการสนับสนุนในระดับหนึ่ง มีความคาดหวังว่า "ถ้าใช้ในที่ที่จำเป็น จะสามารถชดเชยภาระด้านสิ่งแวดล้อมได้" โดยเฉพาะอย่างยิ่งในพื้นที่ที่การลดน้ำหรือเชื้อเพลิงตรงกับการลดต้นทุนของสถานที่จริง การนำไปใช้จริงมีความเป็นไปได้มากขึ้นและได้รับการตอบรับในทางบวก

② กลุ่มที่เชื่อว่า "สุดท้ายปริมาณรวมจะเพิ่มขึ้น" (ระแวงและวิจารณ์)
ในทางกลับกัน มีความกังวลอย่างมากว่า "แม้จะเพิ่มประสิทธิภาพ แต่ถ้าการใช้งานเพิ่มขึ้นก็ไม่มีความหมาย" "ภายใต้ธงของการประหยัดพลังงาน ศูนย์ข้อมูลจะเพิ่มขึ้น" ยิ่ง AI แพร่หลายมากขึ้น การอนุมานก็จะเพิ่มขึ้น โมเดลจะใหญ่ขึ้น และการลงทุนในศูนย์ข้อมูลจะเร่งขึ้น หากสังคมไม่สามารถต้านทาน "สิ่งล่อใจของความสะดวกสบาย" ปริมาณรวมก็จะเพิ่มขึ้น มุมมองนี้ได้รับการสะท้อนในบทความที่วิจารณ์ความต้องการพลังงานของ AI และศูนย์ข้อมูล การกลับไปใช้เชื้อเพลิงฟอสซิล และการขาดความโปร่งใส ซึ่งถูกพูดถึงในโซเชียลมีเดียในบริบทนี้

③ กลุ่มที่ถามว่า "ใครได้ประโยชน์และใครรับภาระ" (ความเป็นธรรมในพื้นที่)
อีกหนึ่งประเด็นที่กำลังเพิ่มขึ้นคือความเป็นธรรมในพื้นที่ โครงสร้างที่พื้นที่ที่ตั้งของศูนย์ข้อมูลต้องรับภาระด้านน้ำและพลังงาน แต่ผลประโยชน์ไหลไปที่อื่น หาก AI ทำ "สิ่งที่ดีในระดับโลก" จำเป็นต้องมีการอธิบายอย่างโปร่งใสเกี่ยวกับการจัดสรรผลประโยชน์และภาระ

หมายเหตุ: ในฝั่งของ Phys.org ส่วนความคิดเห็นในหน้าบทความแทบจะไม่มีการใช้งาน (อย่างน้อยก็ในแง่ของการแสดงผลความคิดเห็น 0) และการแพร่กระจายบนโซเชียลมีเดียดูเหมือนจะเป็นประเภท "กลุ่มที่สนใจแชร์กันเอง" มากกว่าการระเบิดขนาดใหญ่ อย่างไรก็ตาม เนื่องจากหัวข้อนี้เป็นการอภิปรายที่ต่อเนื่องในระดับโลก "สองด้าน" ที่บทความนำเสนอจึงถูกอ่านในลักษณะที่เพิ่มเชื้อเพลิงให้กับการโต้เถียงที่มีอยู่

4) บทสรุป: ปัญหาสิ่งแวดล้อมของ AI ไม่ใช่ "เทคโนโลยี" แต่เป็น "การออกแบบ" และ "การกำกับดูแล"

บทความนี้แสดงให้เห็นอย่างสม่ำเสมอว่า ไม่ใช่เรื่องของการ "ใช้หรือไม่ใช้ AI" แต่เป็นเรื่องของ จะใช้ที่ไหน ภายใต้เงื่อนไขใด ขนาดใด และจะวัดผลอย่างไร AI มีประโยชน์ในบางพื้นที่อย่างแน่นอน แต่ความจริงที่ว่าต้นทุนด้านสิ่งแวดล้อมของ AI กำลังเพิ่มขึ้นอย่างมาก และหากปล่อยไว้ "AI เพื่อการประหยัด" จะถูกกลืนโดย "AI ที่เพิ่มการบริโภค"

จุดที่น่าจะเป็นไปได้ในทางปฏิบัติจะสรุปได้ใน 3 ข้อดังต่อไปนี้

1. การวัดและการเปิดเผย: การทำให้การใช้พลังงาน/น้ำ/การปล่อยก๊าซของแต่ละโมเดล/บริการเป็นที่มองเห็นได้ (สร้างสถานะที่ "เลือกได้")

2. การจัดลำดับความสำคัญ##